Cette semaine, Valeria Kogan, diplômée en physique et technologie , co-fondatrice des startups Fermata et Smartomica, s'est exprimée sur notre chaîne youtube .
Lera a eu l'idée de contrôler les plantes dans les serres à l'aide de l'apprentissage automatique lorsque ses amis lui ont parlé de leurs problèmes avec la culture de masse des concombres et des tomates. Ensuite, elle et ses amis ont fondé Fermata et ont commencé à développer une plate-forme pour la surveillance des installations en temps réel.
En 2019, la société a attiré 1,1 million de dollars d'investissements d'un investisseur privé, et déjà en mars 2020, au cours du cycle A, elle a reçu 3,7 millions de dollars supplémentaires d'investissements du fonds britannique Massa Innovations et de plusieurs investisseurs privés.
En plus de l'agrotech, Lera est engagée dans le développement de nouvelles méthodes de diagnostic du cancer et est chercheuse invitée au Roswell Park Cancer Institute. Chez Smartomica, ils développent des technologies d'analyse de données médicales et scientifiques pour le diagnostic et le traitement des patients atteints de cancer.Nous
partageons avec vous la transcription et l'enregistrement de l'émission.
Je m'appelle Valeria Kogan, je suis co-fondatrice des startups Fermata et Smartnomica. Et à propos du nom de ce flux, je dois faire une déclaration: Fermata, ses employés et actionnaires ne cultivent pas, n'utilisent pas ou ne recommandent pas de substances interdites. Nous nous engageons uniquement dans l'analyse de l'état des plantes, incl. cannabis médical. Nous l'analysons et la contrôlons sur le territoire d'Israël, où c'est légal, et nous ne le ferons jamais là où c'est illégal.
Je vais vous parler un peu de moi, des projets, d'où ils viennent, et je me ferai un plaisir de répondre aux questions.
Je suis diplômé de Physique et Technologie, Faculté de Physique Biologique et Médicale. Tout le temps que j'étudiais à l'université, j'étais engagé dans la recherche scientifique et je voulais vraiment évoluer dans ce sens.
Après l'université, je suis entré à l'école doctorale de l'Université Ariel. Pendant mes études à l'université, et plus tard, j'étais tout le temps engagé dans l'analyse de données en application de problèmes biologiques et médicaux. A l'université, j'étais engagé dans la bioinformatique, diverses autres tâches liées à l'IA, j'ai travaillé dans plusieurs startups. Mais cela a toujours été une activité purement scientifique, non liée à l'application pratique et rapide de l'IA et de l'analyse de données à des problèmes réels. À l'université, alors que j'ai déjà commencé à étudier à l'école supérieure, j'ai commencé à m'engager avec mon superviseur dans des domaines qui étaient déjà l'application pratique de l'IA - cela est devenu plus tard le projet Smartnomica. Nous avons commencé à essayer d'appliquer l'analyse de données, l'apprentissage automatique afin de diagnostiquer les patients atteints de cancer, de choisir le bon traitement pour eux, voir commentce que je peux faire peut être utile dans ce domaine de connaissance.
Et puis, par hasard, une idée est née: bien que je sois une personne absolument éloignée de l'agriculture, qui n'a jamais vu pousser de légumes - au cours de la communication avec des connaissances communes, ce que nous faisons pour le diagnostic du cancer peut être utilisé pour le diagnostic des plantes. Et de cette pensée, de la communication avec les producteurs de tomates et de concombres, l'idée de Fermata est née. Je suis retourné à Moscou, j'ai rencontré des gens qui ont dit que ce serait cool d'appliquer l'IA à l'agriculture. Ensuite, il semble que peu de gens le font. Ils ont parlé de l'utilité de l'IA, des problèmes qu'ils rencontrent. Et au cours des conversations avec eux, il est devenu clair que la tâche de surveiller l'état des plantes est très urgente. Il est résolu par les gens - pas très efficacement, car les serres sont immenses, il y a beaucoup de plantes et parfois chaque feuille doit être surveillée. ET,si une maladie est détectée tardivement, la serre entière peut en souffrir, et l'agriculteur subira des pertes.
Nous avons pensé que c'était un problème très cool - avec mes amis, que j'ai invités à le résoudre. Et nous pensions que si nous résolvions maintenant le problème des pertes de récoltes dues aux infections à l'aide de l'IA, nous pourrions alors étendre cette solution à l'ensemble du marché agricole. Nous avons commencé à réfléchir à la manière de mettre en œuvre ce projet d'entreprise; d'abord - avec les personnes avec lesquelles l'idée a été initialement discutée. Nous n'étions pas d'accord avec eux et avons décidé de commencer à agir de manière indépendante et de revenir vers eux avec un produit fini. C'est ainsi que notre grande histoire d'aventure a commencé. Nous avons commencé à former un projet et à essayer d'obtenir du soutien, du financement, en comprenant que quelqu'un en a besoin. Ce ne fut pas une réussite depuis longtemps; nous avons fait face à de nombreuses tâches difficiles. Premièrement, personne dans notre équipe ne comprenait quoi que ce soit en agriculture:il n'y avait que mes amis de la physique et de la technologie, spécialistes de l'IA.
Au départ, nous voulions créer un robot agricole - il nous a semblé que c'était une idée intelligente, très technologique et cool, et que nous serions payés beaucoup d'argent pour un robot. Il s'est rapidement avéré que ce n'était pas le cas, mais au départ, nous avons proposé exactement l'idée d'un robot et nous voulions au moins une confirmation qu'il s'agissait d'un projet utile et nécessaire. Nous avons demandé à la Fondation Bortnik d'obtenir le premier financement du projet; J'avais déjà une expérience étudiante réussie avec la fondation, et je pensais que tout irait bien - ils nous diraient que tout allait bien, nous gagnerions de l'argent et tout fonctionnerait pour nous. Mais au lieu de cela, nous n'avons reçu aucun commentaire, ils ne nous ont pas donné d'argent et personne n'a répondu aux appels. Nous étions très tendus et ne comprenions pas ce que tout cela signifiait - nous avions un mauvais projet ou étaient-ils simplement incompris?
Ensuite, nous avons essayé de contacter Skolkovo, contacté le directeur en charge de Skolkovo-Agro. On nous a dit que le projet est étrange, et qu'ils ne l'aiment pas, et que certains informaticiens viennent constamment vers eux, qui pensent comprendre quelque chose en agriculture, et qui proposent un «cheval sphérique dans le vide». Comme nous le comprenons maintenant, c'était le bon point de vue. Quand nous avons dit que nous n'avions pas d'agronome dans notre équipe, on nous a dit que la poursuite de la conversation n'avait pas de sens. Autrement dit, nous n'avons pas non plus reçu de soutien à Skolkovo.
Que faire ensuite, pendant notre séjour en Russie, nous n'avons pas compris, et nous étions perdus. Il n'y avait pas beaucoup d'incubateurs à l'époque, on ne savait pas où aller. Une partie de l'équipe était déjà réunie, certaines personnes travaillaient gratuitement, avec un autre co-fondateur, Anton, nous avons travaillé pendant notre temps libre et avons créé ce produit. Nous avions déjà un prototype d'IA d'un classificateur de maladies des plantes basé sur des images que nous avons trouvées dans le domaine public. Mais il n'y avait aucun soutien financier et moral. Nous avons décidé que c'était un mauvais symptôme; les différentes personnes à qui nous avons parlé dans le secteur agricole ont réagi négativement à l'idée de l'IA.
Nous avons décidé de faire la dernière tentative pour obtenir des commentaires sur le projet et avons postulé pour le concours des startups agricoles, qui s'est tenu à Belgorod - "Startup: land". Nous avons failli manquer le train, mais à la fin nous sommes montés à bord - et avons gagné, à notre grande surprise. Il y avait de nombreux projets intéressants de personnes expérimentées dans l'agriculture, et il y avait un merveilleux jury avec des experts qui nous ont donné de bons commentaires sur notre travail. En conséquence, c'est là que les gens nous ont beaucoup soutenus - même les représentants de Skolkovo qui étaient là. Nous avons remporté l'appel d'offres, et formellement cela était censé assurer notre mise en œuvre dans la région de Belgorod.
Mais le bonheur n'est pas venu là-dessus. Nous avons eu des rencontres avec plusieurs producteurs agricoles, une université agricole locale. Nous sommes allés voir des gens et avons parlé de notre projet, du fait que nous fabriquions un robot qui surveille les plantes dans les serres, et tout le monde nous a dit que c'était une sorte de merde et que personne n'en avait besoin. Par conséquent, nous avons progressivement cessé d'interagir avec eux, nous n'avions aucune implémentation. Les personnes qui y ont participé se sont progressivement dispersées. Mais nous avons remporté le concours et le jury d'experts nous a donné de bons conseils - cela nous a aidés à croire en l'idée même du produit. Au fur et à mesure que nous travaillions là-dessus et que nous parlions aux experts de l'industrie avec lesquels nous sommes entrés en contact, nous nous sommes rendu compte que l'idée d'un robot n'est vraiment pas très bonne. Un robot agricole coûte très cher à développer, c'est très difficile à faire,afin de ne pas interférer avec le processus de production. Et peu de gens veulent payer beaucoup d'argent pour une telle technologie.
Mais nous avions déjà des développements prêts à l'emploi liés à la définition des maladies des plantes à partir d'images. Nous avons décidé de créer une technologie plus simple, qui s'est finalement avérée très demandée et a fait de Fermata ce qu'elle est maintenant. C'est la solution - lorsque nous installons dans des serres ou en «agriculture intérieure» (c'est à ce moment que l'immobilier est converti en serres) des capteurs pour collecter des données climatiques précises et des caméras pour le contrôle visuel des plantes. Ces caméras fixes sont beaucoup moins chères que n'importe quel robot, mais en même temps, les informations qui en sont collectées sont de qualité suffisante pour surveiller avec précision les usines en production.
La fonction principale de notre produit est d'identifier les maladies des plantes, mais, en plus, nous résolvons certains des problèmes auxquels les agriculteurs sont confrontés pendant la production. Nous essayons de remplacer l'ensemble du processus décisionnel, basé sur la surveillance visuelle, et de le rendre automatisé. Ainsi, les agriculteurs doivent parfois déterminer la phase de floraison ou contrôler une forme particulière de plantes. Tout cela peut être fait en utilisant l'analyse des données des caméras. Parfois, le climat nous aide à cela: parfois il affecte la forme ou certaines maladies. Et nous pouvons également intégrer des données visuelles et climatiques pour prédire les cultures et fournir des conseils aux agriculteurs sur la manière de se comporter pour réduire les coûts et augmenter la rentabilité.
Cette technologie, à laquelle nous sommes arrivés après avoir abandonné le concept de robot, a déjà reçu le soutien des investisseurs et nous la développons davantage. Un autre problème que nous avons rencontré assez rapidement était lié au marché russe: il s'est avéré que ce n'est pas la meilleure plateforme de pilotage des machines agricoles, du moins celle que nous faisons - visant à réduire les coûts en réduisant les pertes de récoltes et en réduisant le nombre de personnes. impliqué dans le travail de routine. Cela peut être efficace si la récolte est très chère, ou si les gens sont très chers, et que la diminution du nombre de personnes employées dans la production (même de 1 à 2) est perceptible. Une telle chose n'existe pas sur le marché russe. De nombreuses variétés végétales, qui sont les plus courantes, ne sont pas très chères, donc les économies dues à notre technologie sont insignifiantes pour les agriculteurs.Le travail n'est pas non plus très cher. Ainsi, la valeur de l'installation de notre technologie sur le territoire de la Russie n'est pas très élevée. Par conséquent, dans un premier temps, les négociations que nous avons menées avec les agriculteurs tout en restant chez nous n'ont pas été très positives. Les gens ne nous percevaient pas vraiment et ne voyaient aucun avantage pour eux-mêmes, car ce serait vraiment faible.
Mais lorsque nous avons commencé à essayer de parler avec des agriculteurs en dehors de la Russie, nous avons réalisé que nous avions une solution vraiment cool. Cela a été facilité par le fait que j'étais en Israël. C'était aussi un bouleversement: pour quitter la chaleureuse communauté de startups de Moscou, où tout le monde est sympathique les uns avec les autres, personne ne vient à l'idée de vous demander de l'argent pour obtenir des conseils, tout le monde se présente calmement à ses investisseurs.
La situation était complètement différente lorsque nous sommes arrivés aux événements de démarrage en Israël. Nous sommes allés au premier événement agrotech avec mon collègue qui m'a aidé avec le développement des affaires en Israël; est venu à cet événement, et il semblait que nous étions les enfants de quelqu'un qui n'avait personne avec qui partir à la maison. La plupart du temps, il y avait des hommes adultes, 50 ans et plus, qui ont travaillé dans des entreprises agricoles pendant de nombreuses années, ont une vaste expérience, comprennent parfaitement ce dont un Bayer ou Syngenta conditionnel a besoin et créent une startup hautement ciblée pour une entreprise spécifique afin de la vendre là plus tard.
Lorsque nous nous sommes retrouvés parmi eux, nous avons réalisé que notre idée de la concurrence sur le marché des startups n'était pas vraie. Il y a beaucoup de gens très cool et professionnels. Et cela a influencé nos décisions ultérieures concernant ce qu'il fallait faire avec l'équipe; nous nous sommes rendu compte qu’il était impératif d’impliquer des experts, en particulier dans le domaine de la finance et des affaires, où ce n’est pas la technologie et l’érudition qui décident, mais l’expérience, les connaissances, les contacts. Nous avons également réalisé qu'il est très important que des personnes ayant une expérience internationale soient impliquées dans cette partie de l'équipe si vous êtes intéressé par le marché international. Malheureusement, il est très difficile de trouver des personnes capables d’assurer un niveau élevé de contacts internationaux.
Tout en travaillant avec le marché russe, nous avons immédiatement essayé de commencer à rechercher des personnes avec lesquelles nous pourrions piloter la technologie - afin que nous ayons un réel contact avec les fabricants, afin que nous recevions des commentaires sur ce dont ils avaient vraiment besoin et que nous ne formulions pas leurs demandes. nous-mêmes ... Nous avons trouvé une entreprise très amicale avec nous, à l'époque, "City-Farmer", qui fabriquait des serres verticales pour la production d'herbes et de champignons.
Nous avons fait un pilote gratuit avec eux; ils nous ont ouvert leur site, où nous avons beaucoup appris - nous avons compris comment fonctionne la production, quelles sont les tâches des agronomes. Nous y avons rassemblé un grand ensemble de données et avons compris comment le faire.
Nous avons une personne dédiée dans l'équipe qui n'est responsable que des données. Lorsque nous travaillons sur un nouveau projet, lorsque nous parlons d'un nouveau type de plantes ou d'une nouvelle région - parce que, naturellement, tout est différent d'une région à l'autre, et les tâches sont également différentes - cette personne spéciale fait la recherche et trouve tout ce qu'il peut trouver dans les données ouvertes.
Par conséquent, lorsque nous arrivons à un client, nous avons déjà au moins un prototype de solution fonctionnelle. Après cela, nous effectuons une collecte intensive de données, en collaboration avec le client et ses agronomes, et annotons les données. Nous avons une solution spéciale pour le balisage des données, afin que l'ensemble du processus soit de haute qualité, intensif et rapide. Le processus de collecte des tâches auprès du fabricant, de traitement des données pertinentes, de construction de modèles qui résoudront les tâches auxquelles ils sont confrontés est très important.
Ainsi, lorsque nous avons commencé à travailler, nous avons immédiatement essayé de nous trouver un partenaire commercial, sur la base duquel nous pourrions développer des technologies qui seraient nécessaires et utiles. Ensuite, nous avons commencé à examiner les décisions que nous prenons - sur quels marchés, dans quelles régions elles peuvent également être utiles. Nous avons donc eu une idée ridicule, comme il nous a semblé, avec le cannabis médical: c'est un marché plutôt marginal, ici le coût du produit final est élevé. Par conséquent, si vous réduisez encore un peu les pertes de production, cela joue un grand rôle. C'est utile pour l'agriculteur, et nous pouvons gagner plus, puisque notre modèle d'affaires est basé sur le fait que nous partageons avec l'agriculteur le profit qu'il reçoit en plus grâce à notre technologie.
Nous avons donc réalisé que le cannabis était une direction prometteuse. Nous avons trouvé un autre «pilote» en Israël, également gratuit, où nous avons mis au point toute la technologie. Après cela, nous, étant déjà plus intelligents qu'avant, envahis par un réseau d'agronomes, avec lesquels nous travaillons maintenant, et qui nous dit quels problèmes doivent être résolus, quelles fonctionnalités doivent être ajoutées à la technologie à chaque étape suivante. Nous avons donc progressivement élaboré une solution pour le cannabis, dont nous faisons maintenant la promotion active - c'est une direction très intéressante pour nous, d'un point de vue commercial. Il existe du cannabis médical à la fois en Israël et en Europe - des projets où il est cultivé à des fins cosmétiques, et il y a les mêmes tâches importantes.
Si nous parlons de plantes plus classiques, comme les légumes verts ou les légumes, alors nous devons regarder quel est le coût dans une région donnée de ces produits et quel est le coût de la main-d’œuvre là-bas. Par conséquent, nous nous concentrons maintenant sur le marché européen - nous comprenons que les gens y sont chers et que l'utilisation de notre technologie peut avoir un effet important.
L'un des défis auxquels sont confrontés les agriculteurs est de contrôler la présentation des plantes. Il est nécessaire non seulement de s'assurer qu'il n'y a pas de maladies: les plantes doivent être parfaites. Ici, notre technologie est également efficace. Si nous parlons de légumes verts, il y a des producteurs complètement spécialisés qui développent des plantes pour des restaurants coûteux, et il est très important que toutes les plantes soient parfaitement belles, afin que toute la salade soit uniforme, verte, belle.
Ou, par exemple, il y a un problème intéressant dans les champignons: les champignons que nous achetons sont souvent assez laids, et à cause de cela, ils sont moins chers. Si une personne construit une production haut de gamme, il est important pour elle que tous les chapeaux soient denses, beaux, de la même forme. Nous résolvons également ces problèmes - nous surveillons le type de plantes, même s'il n'est pas associé à des maladies.
Pourquoi des serres et pas des champs? Il me semble que la tâche avec les champs est plus compliquée. La question principale ici est de savoir comment configurer exactement les caméras pour suivre les plantes. Dans les champs, le principal moyen de résoudre ce problème est les drones, mais il me semble que la partie matérielle n'est pas tout à fait prête à faire une offre rentable à l'agriculteur. Pour éviter que les drones ne soient déchargés, pas perdus, ils n'ont pas été époustouflés et en même temps, ils n'ont pas coûté de l'argent fou. Par conséquent, alors que nous travaillons avec des serres et ne nous concentrons pas sur les champs.
Concernant les tâches de R&D: nous sommes très intéressés par la direction associée à l'analyse de la composition des plantes. Nous menons des recherches dans ce sens, c'est une tâche assez importante pour un certain nombre de plantes, y compris celles qui sont médicales, mais pas seulement. Par exemple, pour le blé, il est important de connaître la composition protéique. Il est important pour les agriculteurs de savoir à l'avance ce qui se passe avec la composition des plantes afin de contrôler le climat, de sélectionner les conditions pour que le coût final du produit soit le plus élevé possible. Par conséquent, l'une des tâches de R&D les plus importantes que nous voyons devant nous est le développement de technologies qui nous permettront de le faire en temps réel, de prédire ce qui se passe à l'intérieur des usines en fonction de l'analyse de données de différents spectres. Plus l'analyse des données environnementales et l'intégration de ces données entre elles afin depour prédire et conseiller les agriculteurs sur ce qu'il faut faire pour rendre leur produit aussi cher que possible.
Les tâches qui restent à la personne sont un sujet très important de nature éthique pour toutes les entreprises engagées dans l'IA et l'automatisation du travail. On leur pose parfois des questions: ne vous semble-t-il pas terrible que vous développiez des technologies qui remplacent les gens? Mais il me semble que nous faisons le contraire: nous créons une technologie qui permet aux gens de ne pas faire un travail ennuyeux et non créatif qui ne nécessite pas l’implication de ressources intellectuelles.
Il me semble qu'une personne ne sera jamais rattrapée par des machines en termes de créativité, de flexibilité, de capacité à créer quelque chose qui n'existait pas. Par conséquent, c'est très cool de faire des choses qui permettent aux gens de faire un travail créatif, et de ne pas perdre de temps, de vie, de force, de santé sur ce que les machines peuvent faire à leur place.
Q: Qu'en est-il de la technologie d'automatisation pour les animaux?
Nous y avons pensé. Dès le début, nous avons pensé à la fois aux animaux et aux poissons - en fait, il existe de nombreuses tâches intéressantes chez les poissons. Mais maintenant, nous essayons de nous concentrer autant que possible. Nous ne nous vaporisons même pas entre de nombreuses plantes différentes; nous avons maintenant deux axes principaux - les verts et le cannabis. Nous considérons et conduisons le développement dans le sens des légumes uniquement parce que nous avons le potentiel de développement avec un stratège majeur, bien que travailler avec des légumes classiques soit une tâche d'ingénierie très difficile. Il est très important pour nous que nous réussissions - mais pour réussir, nous devons limiter nos souhaits. Par conséquent, nous avons choisi ce qui semble être le plus viable sur le plan commercial; défini le type d'usines, défini les marchés sur lesquels nous allons et essayer de s'y tenir.
Autant que je sache, il existe déjà de nombreuses solutions en élevage, très cool, liées à l'IA. Ils accrochent des capteurs sur les animaux, surveillent leur santé, déterminent la fertilité par des caméras, par la démarche. Tâches très intéressantes. Le poisson me semble une direction potentiellement intéressante sur le plan commercial, mais je ne suis pas un expert en la matière. Jusqu'à présent, nous sommes limités au groupe prioritaire d'usines.
Q: travaillez-vous avec tous les types de culture?
Pas avec tout le monde. Nous ne travaillons pas avec des champs ouverts, car nous ne comprenons pas encore quelle méthode d'installation de caméras pour contrôler les plantes dans les champs sera efficace. Avant l'épidémie, nous avions une relation avec un grand fabricant américain d'équipement de terrain, mais tout s'est bloqué. Nous nous concentrons maintenant sur ce qui se passe à l'intérieur - dans les serres et à l'intérieur.
Q: sur quoi vivait la startup avant le premier client? Quelles ont été les premières commandes?
La startup vit encore majoritairement sur des fonds d'investissement. Nous prévoyons atteindre la rentabilité dans quelques mois, mais maintenant, l'essentiel est l'argent d'investissement.
Les premières histoires commerciales ont commencé après une réorientation du marché russe vers l'ouest, qui s'est produite il n'y a pas si longtemps. Nous avons maintenant deux projets commerciaux assez importants. Il y a aussi un point important ici: nous ne travaillons pas directement avec les agriculteurs, nous travaillons avec les fabricants de technologies et les fabricants de serres.
Si nous devions installer nous-mêmes l'équipement, nous aurions besoin d'un personnel important; Comme nous nous concentrons sur un grand nombre de marchés et que nous ne voulons pas nous limiter, il est très important pour nous que le processus d'installation de notre technologie soit rapide, efficace et que quelqu'un d'autre soit impliqué. Nous voulons rester dans le domaine du développement logiciel. Par conséquent, nous travaillons avec des entreprises qui peuvent fournir l'installation des équipements nécessaires au fonctionnement de notre technologie. Par conséquent, ce sont des fabricants de serres, car notre technologie peut devenir une partie de la serre, ou des entreprises qui fabriquent des technologies pour le soin et le contrôle des plantes. Nous en parlons avec eux comme ceci: vous faites de la lumière, ou chauffez les racines, ou une autre technologie cool qui vous permet de faire pousser des plantes mieux, mieux, et nous faisons de la technologie,ce qui permet de collecter les retours de ces plantes. Autrement dit, nous pouvons découvrir ce qu'ils ressentent et nous pouvons vous dire - ainsi qu'à l'agriculteur final - si tout va bien ou si certains processus doivent être optimisés.
Q: quels sont vos concurrents actuels?
Un problème compliqué. Il existe plusieurs entreprises dans le monde qui prétendent fabriquer des technologies similaires. Lorsque nous avons eu notre équipe européenne pour la première fois, nous avons eu cette idée qu'ils ont apportée: nous avons dit que nous étions des agriculteurs et avons appelé différentes entreprises. Nous avons essayé de comprendre, en communiquant avec eux, ce qu'ils font réellement, à quel point notre concurrence est sérieuse, quel argent ils facturent pour leurs produits - c'est la question la plus importante. Maintenant, il nous semble que la concurrence n'est pas très élevée. Il existe de nombreuses entreprises distinctes qui font quelque chose de similaire; Mais pour autant que nous comprenions, même les entreprises qui disent utiliser l'IA ont un faible niveau d'apprentissage automatique dans leurs projets. Par conséquent, nous nous sentons confiants en général, mais ne nous détendons pas et essayons de bouger rapidement et efficacement.
L'agriculture est généralement une industrie assez conservatrice et non numérisée. Il était très intéressant d'observer la dynamique de son évolution au cours des deux années que nous avons travaillé; lorsque nous avons commencé à parler avec de grandes entreprises - même en Occident - nous avons été confrontés au scepticisme, à un manque de compréhension de la raison pour laquelle cela est nécessaire. Mais maintenant, quand nous arrivons à une entreprise, nous entendons souvent dire que les gens réfléchissent simplement à la façon de conclure un accord avec une startup. Et nous sommes très chanceux d'avoir déjà des développements, des résultats, des métriques, des modèles, et nous ne venons pas simplement dire que nous voulons faire quelque chose. C'est maintenant un très bon moment pour l'agrotech.
Q: quelles caméras utilisez-vous? Dites-nous en plus sur l'infrastructure
Nous avons l'histoire suivante avec les caméras: au départ, nous avons tout fait nous-mêmes. Mais maintenant, nous essayons de rester dans le domaine des logiciels, car nous avons une expertise dans ce domaine - nous pensons que nous sommes forts dans la science des données, mais pas dans l'installation et le choix des caméras. Il y a des gens très cool qui se spécialisent dans ce domaine; il existe une société lettone qui s'occupe de vidéosurveillance - installe des systèmes de sécurité dans les aéroports, dans d'autres grandes institutions, et elle sait tout sur les caméras. Autrement dit, comment les installer, quels peuvent être les problèmes, que faire s'il y a de l'eau, etc. Maintenant, ils sont notre principal partenaire dans le domaine de la caméra. Ensemble, nous choisissons des caméras pour nos tâches; ils fournissent à l'ensemble de la pièce une sélection, une sélection de caméras. C'était l'une des principales décisions correctesce que nous avons accepté - d'arrêter de faire ce travail en nous-mêmes et d'attirer à la place des experts de haut niveau.
Nous avons également des capteurs climatiques issus de l'infrastructure matérielle. Celles-ci incluent un ensemble standard de paramètres que vous devez connaître dans une serre - température, humidité, CO2, éclairage, etc. Nous fabriquons des capteurs sans fil qui nous permettent de prendre des informations de la serre en haute résolution - nous pouvons les disperser beaucoup et faire des cartes en trois dimensions de ce qui se passe avec le climat.
Jusqu'à récemment, nous développions nous-mêmes des capteurs, mais ensuite - surtout après que le partenariat dans le domaine des caméras nous a donné beaucoup - nous nous sommes rendu compte que nous ne voulions pas non plus faire cette partie à l'intérieur de l'entreprise. Et ce malgré le fait qu'au stade initial des travaux, il nous semblait que c'était presque un élément clé, et nous avions même une protection par brevet pour les capteurs que nous avons développés pour nos premiers clients. Mais ensuite, nous avons réalisé qu'en principe, nous ne sommes pas de grands experts en la matière, et les activités liées au hard sont moins claires et plus compliquées. Par conséquent, nous organisons maintenant un partenariat avec une autre société européenne pour produire ce type d'équipement pour nous.
Q: Y a-t-il eu des problèmes avec les brevets ou les trolls de brevets?
Pas encore. Fondamentalement, toute l'histoire des brevets liés à l'IA est très complexe; maintenant, nous déployons nos efforts pour résoudre ce problème. De plus, nous avons beaucoup de développements internes sympas en termes d'algorithmes qu'il est important de protéger et qui sont la valeur clé de l'entreprise.
Q: comment avez-vous validé l'idée sur le marché et demandé des commentaires?
Nous cherchions juste. Je ne peux rien dire d'intelligent ici - c'était douloureux et pendant longtemps, surtout au début. Ils ont d'abord cherché des amis, rencontré différentes personnes, leur ont dit, ils nous ont dit - ça craint, se sont rencontrés le suivant, ils ont dit la même chose. Nous avons essayé de comprendre la logique dans tout cela - si les gens n'aiment tout simplement pas que nous leur parlions de quelque chose de nouveau et leur faisaient perdre leur temps, ou il y a vraiment des raisons pour lesquelles cela ne peut pas être rentable. En fait, nous avons pris la bonne décision - abandonné le robot - précisément parce que beaucoup de gens nous ont dit que cela ne fonctionnerait pas.
Nous avons tout de suite essayé de parler au marché, essayé d'offrir des pilotes gratuits au stade initial, nous n'avons pas du tout parlé d'argent. Nous avons essayé d'obtenir au moins une sorte d'expertise n'importe où, parce que nous ne comprenions pas l'agriculture. Nous avons parlé avec les universités. Maintenant, nous continuons à valider constamment les idées sur le marché - nous avons des idées sur de nouvelles fonctionnalités et nous communiquons avec les clients à ce sujet.
Nous avons déjà un réseau de personnes-consultants avec qui nous communiquons; et il y a directement ces équipes avec lesquelles nous interagissons. Le processus de développement commercial consiste à valider des idées, ce qui nécessite souvent des contacts froids. Il n'y a rien de mal avec eux, cela fonctionne vraiment - même si lorsque nous étions dans «l'incubateur», il semblait que c'était une sorte d'absurdité. Curieusement, après des centaines de messages envoyés, vous pouvez vraiment trouver un client ou au moins valider une idée si vous avez un produit intéressant.
Je vais vous expliquer comment tout cela est lié au diagnostic du cancer et à la biotechnologie, et comment tout cela fonctionne ensemble. En fait, la technologie et la compréhension de la façon de travailler avec toutes sortes de données en agriculture au départ, comme je l'ai dit, sont venues de l'idée de travailler avec des données de patients atteints de cancer. Un autre projet que j'ai co-fondé est Smartnomica, où nous développons des technologies qui permettront de diagnostiquer les patients atteints de cancer.
L'idée est la suivante. Il y a un grand nombre de personnes - et pas seulement des patients atteints de cancer - qui ont suivi la voie de la médecine standard et qui ont échoué. Soit ils ne recevaient pas de traitement efficace, soit les médecins étaient incapables de comprendre ce qui n'allait pas chez eux. Ces personnes ont besoin d'une approche légèrement différente; il est important d'aller au-delà des protocoles standards et de comprendre ce qui peut être donné à ces personnes en se plongeant dans la recherche scientifique. On sait que les articles scientifiques sont numérisés depuis les années 1980 et qu'il y a plus de 40 millions d'articles publiés dans le domaine médical. Ils contiennent une énorme quantité de données qui peuvent être utiles à chaque patient.
J'ai rejoint le projet, qui à l'époque était engagé dans le traitement de patients difficiles (comme une clinique médicale), en tant que spécialiste de l'IA. Avec un autre co-fondateur, nous avons eu une idée: automatiser le processus de recherche des données nécessaires, qui est effectué par des spécialistes - médecins, scientifiques - pour les patients difficiles.
Rendre ce processus au moins partiellement automatisé pour aider les médecins à mener des recherches plus rapidement et plus efficacement pour les cas complexes. Autour de cela, nous avons construit une entreprise que nous avons créée à Riga en mars. En fait, nous n'avions prévu que de penser à créer une entreprise, mais à cause de l'épidémie, nous ne pouvions plus quitter Riga et nous n'avions nulle part où aller si ce n'est pour développer l'entreprise. Nous avons maintenant une clinique en Lettonie, où je suis maintenant: nous connectons des médecins du monde entier avec des patients du monde entier pour fournir des traitements. Et, par conséquent, nous développons des technologies qui permettent à nos médecins de travailler plus efficacement avec les données de patients complexes, d'effectuer des diagnostics de haute qualité et de sélectionner un traitement efficace.
Donc, ce que nous faisons en agrotech est lié à ce que nous faisons en oncologie. Nous avons également de nombreux projets intéressants ici. Les décisions que nous prenons pour nos patients se transforment parfois en startups biotech distinctes, dont nous avons maintenant une totalité (mais il y en aura plus). Toutes les technologies que nous utilisons pour nos patients sont liées à l'intégration de différents types de données - ce qui, d'un point de vue technologique, est similaire à l'histoire que nous faisons à Fermata. Il existe des données visuelles, des données génétiques et des données scientifiques que nous devons combiner pour donner au patient la thérapie la plus efficace possible.
Q: A propos de Fermata: à quel volume de production est-il rentable?
Cela ne dépend pas tant de la zone que du type de plantes et de la région dans laquelle cela se produit. La zone n'est pas si affectée; bien que cela puisse affecter notre désir d'être impliqués dans le projet: nous essayons de sélectionner de grands fabricants dans lesquels nous voyons un grand potentiel pour faire évoluer nos technologies. La superficie d'une production spécifique n'est pas si importante: elle peut être petite, mais il peut y avoir de nombreuses installations de production de ce type.
Q: culture en terre ou culture hydroponique?
Nous avons l'expérience des deux méthodes, ce n'est pas si important.
Q: Ce serait peut-être une bonne idée de travailler avec les agriculteurs de la ville? Il y a des gens plus jeunes, ouverts d'esprit et aimants
C'est vrai, même si nous ne travaillons pas avec les agriculteurs eux-mêmes, mais avec ceux qui produisent les fermes urbaines qu'ils utilisent. C'est l'un de ces domaines de travail que nous étudions attentivement.
En particulier, c'est l'une des raisons pour lesquelles nous travaillons bien avec le cannabis médical: les personnes impliquées dans ces industries sont souvent plus techniquement avisées que d'habitude, et leur production est plus technologique que la production de légumes classiques, par exemple. Par conséquent, ils prennent l'idée d'introduire l'IA beaucoup plus facilement.
Q: Les caméras hyperspectrales sont généralement utilisées pour votre tâche - elles sont très coûteuses; De quelles caméras parle-t-on et combien sont utilisées par ferme?
La question est complexe et je ne peux pas dire quelle quantité est utilisée par ferme. C'est toujours différent, nous examinons la conception spécifique des fermes. La spectralité des caméras en dépend également. Les caméras multispectrales sont davantage une solution de drone. Les solutions de serre ne sont pas comme un grand marché, il n'y a pas de normes strictes. Nous utilisons souvent des caméras ordinaires pour nos projets qui filment le spectre visible + IR - cela suffit pour la plupart des tâches. Ce n'est pas si cher.
Le nombre de chambres dépend de la conception de la serre et du type de plante. J'ai déjà dit que les légumes classiques sont un défi d'ingénierie; par exemple, une serre de tomates est une jungle. Il est très difficile d'observer chaque plante et chaque feuille, car les plantes poussent de 4 mètres. Mais la salade est petite et plate, beaucoup moins difficile. Tout comme les fraises - ou le même cannabis, qui peut être observé efficacement d'en haut et avoir une idée de ce qui se passe avec les plantes. Habituellement, l'une des caméras que nous utilisons - en fonction de la hauteur à laquelle les caméras peuvent être placées - suffit pour 200 à 400 mètres carrés.
Q: Malheureusement, je n'ai trouvé aucun brevet pour Fermata,
ce ne sont pas encore des brevets, ce sont des demandes de brevet en instance.
Q: avez-vous des postes vacants?
Oui, si quelqu'un est intéressé, vous pouvez envoyer les candidatures à valeria.kogan@fermata.tech. Nous recherchons constamment des personnes intéressantes et talentueuses.
Q: vous envisagez de faire de la mycologie?
Je ne comprends pas vraiment la question. Nous analysons également visuellement les problèmes de ce type. Nous analysons s'il y a des insectes sur les feuilles, s'il y a une carence nutritionnelle et diverses maladies infectieuses - nous surveillons tout cela et sommes en mesure de déterminer.
Q: prévoyez-vous un produit de masse comme un service cloud?
C'est une très bonne et très grande question. Le fait est qu'un service cloud pour notre technologie n'est pas la meilleure solution. C'est là que nous avons commencé. Il s'est avéré que nous collectons beaucoup de données et il est important pour nous de collecter des images de haute qualité. Par conséquent, un nuage clair n'est pas optimal. Nous avons une solution distribuée entre le cloud et sur site; on-site analyse les images et envoie les résultats vers le cloud. Maintenant, cela nous semble l'approche la plus optimale. Mais cela ne rend pas le produit moins populaire.
Q: la mycologie concerne les champignons [pas les parasites]
Nous avons réalisé un projet sur les champignons - j'ai même mentionné que les champignons avaient des problèmes intéressants. Maintenant, nous n'avons pas de projet de champignon massif, mais nous avons de l'expérience et de l'intérêt pour le développement dans cette direction.
Q: est-il possible de déterminer les besoins des plantes avant l'apparition de pathologies?
Je pense que ce n'est pas la tâche dans notre approche actuelle. Nous essayons d'automatiser le travail des gens. Autrement dit, ils nous disent qu'ils veulent voir des feuilles qui ressemblent à ceci et recevoir des notifications à ce sujet. Et notre tâche est de le faire plus efficacement et plus rapidement que les spécialistes ne le font manuellement. Autrement dit, nous ne résolvons pas le problème de la prévision de l'état des plantes. Ce n'est que lorsque nous utilisons des données visuelles en conjonction avec le climat que cette tâche est parfois résolue. Mais plus cela concerne une sorte de problèmes nutritionnels. En ce qui concerne les ravageurs ou les maladies infectieuses, nous ne le déterminons que lorsque cela s'est déjà produit.
Q: Parlez-nous de Fermata et de l'ensemble de données: que collectez-vous, comment l'avez-vous balisé? Et à propos du réseau neuronal - y a-t-il une collaboration pour voir à peu près ce que vous faites?
Au début, nous avons collecté l'ensemble de données de tout ce qui est ouvert sur Internet. Par exemple, de tous les concours qui ont eu lieu sur Kegel et sur d'autres ressources, en particulier asiatiques, il y a beaucoup de choses intéressantes. Nous avons collecté des photos de toutes sortes de forums agronomiques, de différentes encyclopédies - nous avons essayé de tout rassembler, de le marquer.
Lorsque nous avons eu des clients, après un certain temps, nous avons élaboré la procédure pour travailler avec eux. Par exemple, un client a besoin de détecter une pièce malveillante très rare qui peut tuer toute la serre, et il n'y a pas beaucoup d'images de cette pièce. Et eux-mêmes, dès qu'ils le voient, prennent des photos et nous envoient des images. De plus, nos spécialistes voyagent régulièrement - surtout si nous travaillons avec une nouvelle usine - et prennent des photos et forment le personnel à l'intérieur, de sorte que nous recevions en permanence des données pour reconstituer l'ensemble de données et améliorer la qualité.
Tout d'abord, nous avons des spécialistes internes pour le marquage. Nous avons un réseau d'agronomes - spécialistes de différentes technologies, de différents types de plantes et de leurs problèmes dans différentes régions (c'est important, car la même plante peut avoir des problèmes différents dans différents pays et sur différents continents). Nous impliquons également activement les agronomes de nos clients pour le marquage. Ils sont prêts à partager des données, car ils comprennent que ce sera mieux pour eux: si un agronome passe 2 heures par semaine à nous dire à quelles tâches il doit faire face, alors nous pourrons mieux les résoudre.
À propos de la collaboration - probablement pas maintenant. Mais la question est intéressante, je n'y ai pas pensé. Je vais consulter les gars, peut-être que quelque chose comme ça devrait être organisé.
Q: quel est exactement le processus de développement et le résultat?
Le résultat, le produit final, c'est le système. Nous arrivons à la serre, installons des caméras-capteurs, puis le client a un tableau de bord qui montre tout ce qui arrive au climat et à la santé des plantes. Des alertes y arrivent avec des informations sur quand et comment. Le client peut marquer et suivre ce qu'il fait avec ces plantes. Autrement dit, un produit est un environnement dans lequel un agronome travaille et dans lequel tout l'état et la santé des plantes sont visibles.
Q: Vous avez dit qu'une caméra faisait de 200 à 400 carrés, mais y a-t-il une expérience avec des fermes verticales à plusieurs niveaux?
Oui, il y a une telle expérience (en fait, nous avons commencé avec cette expérience). Bien entendu, d'autres caméras sont utilisées. Dans les serres conventionnelles, il est important d'avoir un gros zoom et de couvrir une grande surface, tandis que dans les serres verticales, une approche différente. Ils utilisent des caméras moins chères, qui nous permettent d'observer les plantes dans différentes rangées, sachant que nous ne pourrons pas installer la caméra très loin.
Q : que pensez-vous des microalgues?
Malheureusement, je ne suis pas un expert en la matière, je ne peux pas répondre.
Q: Voyez-vous les résultats de la nécessité d'automatiser la surveillance de l'humidité du sol, l'automatisation de l'irrigation dosée?
Oui, c'est une tâche très importante. Nous considérons ces entreprises (en particulier travaillant en Israël - le centre de ces technologies) principalement comme nos partenaires. Ils sont engagés dans l'automatisation de l'irrigation, et nous surveillons les plantes et pouvons leur donner des commentaires sur le fonctionnement de leurs systèmes. Il me semble qu'il existe de nombreuses entreprises performantes qui résolvent ce problème, mais je ne peux rien dire de plus (pas un expert).
Q: quel est actuellement l'état quantitatif, où en êtes-vous géographiquement, y a-t-il (ou est-il prévu) votre propre département R&D hardware?
Le personnel de l'entreprise compte actuellement 13 personnes. Géographiquement, c'est une question complexe, nous sommes situés dans de nombreux endroits. Il y a une équipe de développement à Moscou, il y a une équipe en Israël, il y a des gens en Allemagne. Parfois, nous impliquons l'externalisation du développement pour résoudre des tâches plus standard en dehors de l'équipe, afin de nous concentrer nous-mêmes sur l'apprentissage automatique. C'est pourquoi les équipes sont si largement dispersées dans le monde.
La R&D matérielle est peu probable maintenant. Je voudrais me concentrer sur les logiciels, cela est dû à où nous allons maintenant et où nous voulons être, et ceux que nous considérons comme nos partenaires potentiellement les plus intéressants ne sont que des entreprises qui font très cool dur, et sont très fortes dans ce domaine. surface. Nous ne voulons pas créer de concurrence inutile et perdre notre temps à explorer de nouveaux domaines au lieu de perfectionner la partie où nous sommes des experts.
Q: Ma question portait uniquement sur les fermes verticales et combien y étaient utilisées.
Je ne peux pas dire les chiffres exacts. Si vous avez un intérêt pratique, vous pouvez annuler plus tard.
Q: avez-vous envisagé des relations commerciales avec des producteurs agricoles du Nord (complexes de serres dans l'Oural et plus au nord)?
Nous avons essayé de parler avec plusieurs fabricants du Nord, mais à ce moment-là, ils n'ont pas réussi. C'était au début de notre voyage. Nous ne sommes pas revenus sur cette histoire, car nous nous concentrons maintenant sur les types de plantes qui sont notre priorité.
Q: qu'en est-il du blé, du tournesol? Des drones?
Je suis sceptique à ce sujet. Nous avons essayé de parler à différentes entreprises qui fabriquent des drones et avons essayé de trouver une solution à cela. Ce sont les approches avec des drones qui me semblent risquées maintenant, et nous n'allons pas dans cette direction. Mais il y a des idées intéressantes sur la façon dont ce type de surveillance pourrait être réalisé sur le terrain, mais ce n'est plus une priorité pour notre R&D.
Q: De quelle formation avez-vous besoin pour travailler dans votre domaine de l'intelligence artificielle (quel langage de programmation, quel domaine des mathématiques)?
Notre programmation est principalement en Python. Il me semble que n'importe quel domaine des mathématiques sera bon en programmation, il n'y a pas d'exigence stricte. En principe, les personnes que nous recherchons actuellement pour une équipe interne pour travailler sur l'IA - des spécialistes de l'apprentissage automatique - devraient être en mesure de lire l'article et de mettre en œuvre ce qui y est écrit. Autrement dit, pas seulement en utilisant des bibliothèques standard et des réseaux existants standard. Il est important pour nous d'être à l'avant-garde de ce qui est actuellement en matière de technologie.
Si vous avez des questions supplémentaires, des idées de coopération ou si vous souhaitez rejoindre notre équipe - écrivez (valeria.kogan@fermata.tech), nous serons heureux de vous rencontrer.
